DeepLab系列算法
- 图像分割传统做法
- 解决方案
- 参数计算
- 图像金字塔
- SPP-Layer
- 常用的多尺度提取方法
- ASPP（atrous convolution SPP）
- deepLabv3+
图像分割传统做法
为了增大感受野，通常会采用pooling操作，该下采样操作会丢失一部分信息。
解决方案
- 空洞卷积（dilated convolution）
通过设置dilated参数可以得到不同感受野的特征（33，77，15*15），扩大感受野。 - 图像分割领域，需要较大感受野
- 没有额外计算
- 可以按照参数扩大任意倍数。不引入额外参数。
参数计算
图像金字塔
SPP-Layer
- 网络要求输入固定
- 采用不同的池化层，特征拼接
常用的多尺度提取方法
ASPP（atrous convolution SPP）
其实就是跟SPP差不多，只不过引入了不同倍率的空洞卷积
deepLabv3+
编解码+ ASPP